根據國健局的調查指出，憂鬱症在台灣的盛行率約8.9%，約有200萬人。其中，因憂鬱症造成的無法工作的生產損失金額高達309億，而醫療和醫療照顧支出約89億元，所造成的經濟成本損失為405億元。而憂鬱症的診斷是非常複雜的工作，目前是由醫師利用身體檢查和根據美國精神病學協會DSM-V(精神疾病診斷與統計手冊)的標準來確診憂鬱症。如果憂鬱症可以透過AI人工智慧來診斷呢？
不會主動尋求協助和診斷的憂鬱症患者
許多憂鬱症的病患長期受到情緒情緒的困擾，要幫助或治療憂鬱症患者的第一步，就是要先進行診斷，而診斷需要患者主動去和心理治療師和醫師主動接觸。但潛在患者，可能因為怕面對自身的狀況或被貼上標籤，所以會主動尋求協助或診斷者很少，在這樣的狀態下，或許利用AI人工智慧可以來解決這個問題。
麻省理工學院(MIT)開發憂鬱症檢測器
由麻省理工學院(MIT)計算科學和人工智慧實驗室成員Tuka Alhanai、James Glass和Mohammad Ghassemi開發了一種類神經網路，可利用自然對話中辨識說話者是否為憂鬱症患者？
研究團隊利用文字和語音的預測準確性，將279段長文字和100個語音輸入到AI憂鬱症檢測器中，並利用函式資料庫創建了8050個訓練範例、272418個單詞和7411的語言樹」。並為提升AI判斷力，增加了加權指數和雙向長短時記憶(LSTM)神經網絡，可以有助於憂鬱症指數的檢測與評分。
檢測憂鬱症的準確率為77%
研究團隊為了測試這套以類神經網絡為基礎，開發的AI憂鬱症檢測器的正確率，對142位的受測者提出問題，藉由訪談的數據紀錄，來進行憂鬱症檢查測試。AI人工智慧並沒有先了解訪談的問題內容，且受訪者可以用自由的形式作答，只是透過語言的線索來判斷病況。
>> 加入 Heho健康 LINE@ 好友，健康知識不錯過！
受訪者的回答用文字和語音的方式被分析；在文字形式的判斷中，AI人工智慧平均可在7個問答後，預測受試者是否罹患憂鬱症。在語音版本中，人工智慧平均要30個問答才能做出判斷，而AI憂鬱症檢測器的正確率高達77%。雖然AI人工智慧的操作牽涉了大量的參數，但麻省理工學院的這項研究代表了創新的一步，它將創造出一種新的潛在工具，幫助醫生和心理健康專家在未來解決診斷憂鬱症。
延伸閱讀
文/黃聖筑 圖/許嘉真
